14天pytorch第二次打卡

訓練模型過程中常見的問題： （1）過擬合（overfitting）：模型在訓練時的誤差遠小於測試時的誤差（訓練誤差較小，實際測試時誤差大） （2）欠擬合（underfitting）：訓練誤差較大 影響因素：數據集的大小，模型的複雜度等 過擬合改進方法：dropout，正則化 （3）當神經網絡的層數較多時，梯度的計算容易出現消失或爆炸現象。 卷積神經網絡基礎： 二維卷積核（過濾器）在二維數組上不斷滑

>>阅读原文<<